요약

A11y-Compressor는 GUI와 상호작용하는 AI 에이전트가 신뢰할 수 있는 관측 표현을 얻도록 돕는 프레임워크입니다. 기존의 접근성 트리는 중복성이 높고 공간적 구조 정보가 부족하다는 단점이 있습니다. 이 프레임워크는 시각적 컨텍스트 재구성 및 중복 감소를 통해 선형화된 접근성 트리를 컴팩트하고 구조화된 표현으로 변환하며, 이를 통해 OSWorld 벤치마크에서 토큰을 크게 줄이고 에이전트의 작업 성공률을 개선하는 성능을 입증했습니다.

핵심 포인트

• GUI 상호작용 AI 에이전트는 신뢰성 있는 관측 표현이 필수적입니다.
• 기존 접근성 트리는 중복성과 공간적 구조 정보 부족이라는 한계를 가집니다.
• A11y-Compressor는 시각적 컨텍스트 재구성 및 중복 감소를 통해 접근성 트리를 효율적으로 압축하고 구조화합니다.
• 제안된 Compressed-a11y는 모달 감지, 중복 감소, 의미론적 구조화를 포함하는 변환 파이프라인을 사용합니다.
• OSWorld 벤치마크에서 입력 토큰을 원본의 22%로 줄이고 작업 성공률을 평균 5.1%p 개선했습니다.